FAMILY DYNAMICS AND ENGLISH LANGUAGE ACQUISITION IN MULTICULTURAL HOUSEHOLDS: A CROSS-COUNTRY ETHNOGRAPHIC STUDY
Notice bibliographique
Résumé
Multilingual households are rapidly expanding worldwide, yet most research still focuses on monolingual or bilingual families, leaving the dynamics of multilingual households underexplored. Guided by Coleman’s Family Capital Theory, this study investigates how multi-ethnic families in Canada, Pakistan, Jordan, and Saudi Arabia negotiate heritage language transmission alongside English acquisition. Using a cross-country ethnographic design, participant observation, semi-structured interviews, video reminiscences, and archival research were conducted with 40 families (Canada 12, Pakistan 10, Jordan 9, Saudi Arabia 9), including children aged 5–18. Sample sizes were tailored to cultural access and feasibility rather than equal national quotas. Findings reveal that storytelling, moral teaching, and religious rituals are central to preserving heritage languages, while English is prioritized for education and employment. Families experienced accent-related identity issues, reduced heritage language proficiency among younger members, and intergenerational communication gaps. Children’s incidental exposure to digital platforms (e.g., educational apps, YouTube, online religious classes) and the challenges of displacement among migrant families were observed but not systematically measured. The study underscores that English supports integration and mobility but risks weakening cultural and linguistic identity. It recommends that educators and policymakers design pluralist, culturally responsive strategies—such as embedding family-driven literacy practices into curricula and fostering additive bilingualism through community and school partnerships—to sustain heritage languages alongside English. The comparative ethnographic approach offers a replicable framework for future cross-cultural studies. Longitudinal research and systematic examination of digital technologies and displacement contexts are proposed as key directions to advance understanding of intergenerational language maintenance and identity resilience.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».